logo

다변수 함수의 적분 📂다변수벡터해석

다변수 함수의 적분

정의1

IkI^{k}k-cell이고, xIk\mathbf{x} \in I^{k}라고 하자.

x=(x1,,xk),aixibi(i=1,,k) \mathbf{x} = (x_{1},\dots,x_{k}),\quad a_{i} \le x_{i} \le b_{i} (i=1,\dots,k)

f:IkRf: I^{k} \to \mathbb{R}연속이라고 하자. 그러면 적분가능하므로 f=fkf=f_{k}로 두고, fk1:Ik1Rf_{k-1} : I^{k-1} \to \mathbb{R}을 다음과 같이 정의하자.

fk1(x1,,xk1)=akbkfk(x1,,xk)dxk f_{k-1} (x_{1}, \dots, x_{k-1}) = \int_{a_{k}}^{b_{k}} f_{k}(x_{1}, \dots, x_{k}) dx_{k}

그러면 라이프니츠 룰에 의해서 fk1f_{k-1}Ik1I^{k-1}에서 연속이다. 이러한 과정을 kk번 반복하면 상수 f0Rf_{0}\in \mathbb{R}을 얻게 된다. 이를 IkI^{k} 위에서의 ff 적분이라 하고, 다음과 같이 표기한다.

Ikf(x)dxorIkf \begin{equation} \int_{I^{k}} f(\mathbf{x}) d\mathbf{x} \quad \text{or} \quad \int_{I^{k}}f \label{eq1} \end{equation}

설명

위와 같은 적분의 정의는 적분 순서에 의존하는 것 처럼 보인다. 하지만 실제로 ff의 적분 값은 적분순서에 영향을 받지 않는다.

정리

(eq1)\eqref{eq1}L(f)L(f)라고 하자. 적분순서가 다른 어떤 ff의 적분을 L(f)L^{\prime}(f)이라고 하자. 그러면 IkI^{k}에서 연속인 모든 ff에 대해서 다음이 성립한다.

L(f)=L(f) L(f) = L^{\prime}(f)

증명

함수 hh를 다음과 같이 두자.

h(x)=h1(x1)h2(x2)hk(xk),hj\href h(\mathbf{x}) = h_{1}(x_{1}) h_{2}(x_{2}) \cdots h_{k}(x_{k}),\quad h_{j}\in \href{https://freshrimpsushi.github.io/posts/support-and-classes-of-continuous-functions/}{C([a_{j},b_{j}])}

그러면 다음이 성립한다.

L(h)=i=1kaibihi(xi)dxi=L(h) L(h) = \prod \limits_{i=1}^{k} \int_{a_{i}}^{b_{i}}h_{i}(x_{i})dx_{i} = L^{\prime}(h)

이제 A\mathscr{A}를 이러한 hh들의 모든 유한합의 집합이라고 하자.

A={all of finite sums of such functions h} \mathscr{A} = \left\{ \text{all of finite sums of such functions h} \right\}

그러면 적분은 선형이므로 다음이 성립한다.

L(g)=L(g),gA L(g) = L^{\prime}(g),\quad \forall g\in \mathscr{A}

또한 A\mathscr{A}IkI^{k} 위에서의 알지브라 가 된다.

알지브라

함수들의 집합 A\mathscr{A}가 모든 f,gAf,g \in \mathscr{A}와 상수 cc에 대해서 다음을 만족하면 알지브라 라고 한다.

  • f+gAf + g \in \mathscr{A}
  • fgAfg \in \mathscr{A}
  • cfAcf \in \mathscr{A}

이제 스톤-바이어슈트라스 정리를 적용하면 다음의 결과를 얻는다.

  • V=i=1k(biai)V= \prod \limits_{i=1}^{k}(b_{i} - a_{i})라고 하자. 만약 fC(Ik)f \in C(I^{k})이고, ε>0\varepsilon >0이 주어졌다고 하자. 그러면 다음을 만족하는 gAg\in \mathscr{A}가 존재한다. fg<εV \| f - g \| < \dfrac{\varepsilon}{V} 이때 놈은 f=maxf\| f \| = \max | f |와 같이 주어진다.

그러면 다음의 부등식이 성립한다.

L(fg)L(maxfg)=fgV<εL(fg)L(maxfg)=fgV<ε \begin{align*} |L(f-g)| &\le L(\max|f-g|) = \| f-g \| V < \varepsilon \\ |L^{\prime}(f-g)| &\le L^{\prime}(\max|f-g|) = \| f-g \| V < \varepsilon \end{align*}

또한 다음의 식이 성립한다.

L(f)L(f)=L(f)L(g)+L(g)L(f)=L(fg)+L(gf) L(f) - L^{\prime}(f) = L(f) - L(g) + L^{\prime}(g) - L(f) = L(f-g) + L^{\prime}(g-f)

따라서 다음의 식을 얻는다.

L(f)L(f)=L(fg)+L(gf)<2ε | L(f) - L^{\prime}(f) | = | L(f-g) + L^{\prime}(g-f) | < 2\varepsilon

이는 모든 ε\varepsilon에 대해서 성립하므로 다음을 얻는다.

L(f)=L(f) L(f) = L^{\prime}(f)


  1. Walter Rudin, Principles of Mathmatical Analysis (3rd Edition, 1976), p245-246 ↩︎